[发明专利]一种基于自回归和提升树算法的居民用电行为分析的系统及方法

权利要求书

1.本发明一种基于自回归和提升树算法的居民用电行为分析的系统及方法的特征在于，包括：

步骤1、数据收集模块：对每一个用电单位的用电数据进行收集和存储，用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为小时；

步骤2、根据步骤1中所取得的处理后的用电负荷数据，首先对每一个用户的用电数据进行异常分析，剔除掉极端值：

1） 数据值为:

2） 假设每一个用户的数据负荷高斯分布:

3） 求出相应参数:

4） 如果 , 则认为该值为极端值；

步骤3、根据步骤2中所取得的处理后的数据，对每一个用电单位数据进行自回归分析：

其中k值, 我们选取48，为48小时；

步骤4、根据步骤3的结果, 原数据为每一个用户的小时用电量，转化为每一用户的自回归系数，训练数据集:

其中N为用户数,是第i个用户的第j个特征， ,是第j个特征可能取的第个值；

步骤5、通过步骤3的自回归分析结果, 我们选择第24和48的值, 如果两个值相加的和大于0.15, 视为该用户用电行为正常；如果两个值相加的和小于0.15，视为该用户用电行为异常：接着采用提升树算法对实时数据进行分类:

输入:训练数据集 ，其中,,为别表示1正常；-1异常；输出: 最终的分类器 ；

(1)初始化训练数据的权重分布：

(2)对，m指的是第几个分类器：

(a)使用具有权重的 的训练数据集学习，得到基本分类器: ; 在本发明中, 我们选择决策树为分类器: 对于每一个决策树, 生成算法如下:

输入训练数据集 特征集:，阙值

输出:决策树

i)若 中所有实例属于同一类 ,则为单结点树,并将类 作为该结点的类标记, 返回 ；

ii)若 ,则 为单结点数，并将 中实例数最大的类 作为该结点的类标记，返回 ；

iii) 否则, 计算出A中各特征对D的信息增益，选择信息增益最大的特征 ;经验熵

经验条件熵

信息增益

iv) 如果 的信息增益小于阙值 ，则 为单结点树, 并将D中实例数最大的类 作为该结点的类标记，返回 ;

v)否则，对 的每一可能值 , 依 将D分割为若干非空子集 ，将 中实例数最大的类作为标记，构建子结点，由结点及其子结点构成树 ，返回 ；

vi)对第i个子结点，以 为训练集，递归地调用步（i）~（vi），得到子数；

(b)计算:在训练数据集上的分类误差率

(c)计算 的系数：

(d)更新训练数据集的权值分布，

其中 是规范化因子

；

(3)构建基本分类器的线性组合：

(4)得到最终的分类器:

；

步骤6、当实时数据进入系统会得到以下结果：其中图4为识别后用户正常用电行为，图5为识别后用户异常用电行为。

2.本发明的特征还包括，基于大数据思维的客户用电行为分析模型，运用自回归和提升树算法，根据历史用电数据和实时的电力负荷情况来识别居民用电规律的系统及方法，该方式针对一个社区内的用户用电情况进行分析，将用电分析结果及潜在的用电风险推送给相应机构。